具体实施方式

(结构的说明)

说明本发明的一个实施方式。

如图1所示，作为本发明的一个实施方式的磁性体的劣化预测装置具备：磁传感器10，其对受到了作为检查对象的钢丝绳W的影响的磁场进行检测来输出传感器信号Si；劣化得分估算单元，其将传感器信号Si获取为时间序列数据，将该时间序列的传感器信号Si转换为与钢丝绳W的位置有关的传感器信号序列S(x)并保存于传感器信号存储部43，并且基于该传感器信号序列S(x)来估算表示钢丝绳W的劣化程度的劣化得分Di；劣化得分存储部41，其存储多个时间点的劣化得分D1、D2…Dn；劣化预测模型存储部42，其存储示出劣化程度的变化的劣化预测模型Mo；劣化预测模型更新单元，其基于多个时间点的劣化得分来更新劣化预测模型Mo，由此获取更新后的劣化预测模型Ma；劣化得分预测单元，其根据更新后的劣化预测模型Ma来估计将来的劣化得分Df；显示器81，其显示更新后的劣化预测模型Ma和估计出的将来的劣化得分Df；以及登记部82，其用于登记劣化预测模型Mo。此外，钢丝绳W是本申请的“磁性体”的一例。另外，作为本发明的一个实施方式的磁性体的劣化预测装置包括计算机100。计算机100包括CPU(Central Processing Unit：中央处理单元)30、A/D转换器31、I/D转换器32、非易失性存储器40以及发送接收部90。另外，CPU 30、A/D转换器31、非易失性存储器40以及发送接收部90经由用于对模拟信号进行I/D转换的I/D转换器32来相互连接。

劣化得分存储部41、劣化预测模型存储部42、传感器信号存储部43以及程序存储部50被设置于计算机100的非易失性存储器40内。本实施方式中的劣化得分估算单元、劣化预测模型更新单元、劣化得分预测单元是通过由CPU 30读出并执行作为程序存储部50中存储的程序的模块的、劣化得分估算模块51、劣化预测模型更新模块52、劣化得分预测模块53来分别实现的。即，劣化得分估算模块51是本申请的“劣化得分估算单元”的一例，劣化预测模型更新模块52是本申请的“劣化预测模型更新单元”的一例。另外，劣化得分预测模块53是本申请的“劣化得分预测单元”的一例。在本实施方式中，磁性体的劣化预测装置还具备用于显示更新后的劣化预测模型Ma的显示器81、以及用于登记劣化预测模型Ma的登记部82。登记部82包括触摸面板，构成为受理来自用户的操作。即，登记部82构成为能够登记劣化预测模型Ma。

(磁传感器10的结构)

如图2所示，磁传感器10具备：热磁补偿(日语：整磁)磁体11，其对钢丝绳W进行热磁补偿；激励线圈12，其以夹着钢丝绳W的方式配置；激励控制部13，其通过向该激励线圈12提供交流电流来使激励线圈12之间产生交流磁场；探测线圈14及探测线圈15，所述探测线圈14及探测线圈15被配置于该激励线圈12与钢丝绳W之间的空间，并且被配置为钢丝绳W实质上穿过线圈的闭环；差动电路16，其输出在探测线圈14、15中流动的电流之差；以及电流电压转换电路17，其将成为差动电路16的输出的电流转换为电压后作为传感器信号Si输出。磁传感器10构成为对受到了作为检查对象的钢丝绳W的影响的磁场进行检测。

在图3中示出将磁性体的劣化预测装置应用于电梯系统E的例子。在电梯系统E中，钢丝绳W的一端与电梯的轿厢E1结合，钢丝绳W的另一端与对重E3结合。当对重E3向下方移动时，通过曳引机(日语：巻上機)E2的旋转力和与钢丝绳W的摩擦力来驱动钢丝绳W，从而使电梯的轿厢E1升降。

如图3所示，磁传感器10以使钢丝绳W穿过其主体内的方式配置于电梯的轿厢E1与曳引机E2之间。

(处理过程)

按照图4的流程图来说明各程序的处理。

(传感器信号获取步骤210)

在该步骤中，由CPU 30执行从程序存储部50读出的劣化得分估算模块51，由此如以下那样进行动作。首先，利用CPU 30从A/D转换器31获取当前的传感器信号Si，并且获取曳引机E2的当前的曳引位置X，并将传感器信号Si与曳引位置X相对应地保存于非易失性存储器40内的传感器信号存储部43。每隔规定时间或每隔规定的曳引位置X就执行该动作。由此，生成钢丝绳W的每个位置的传感器信号序列S(X)。

关于传感器信号获取步骤210，既可以与其它步骤非同步地连续执行，也可以例如设为在检查电梯系统E时使钢丝绳W全部移动一遍时执行，之后前进到接下来的步骤220以后。

另外，关于传感器信号序列S(X)，若取其与安装钢丝绳W时获取到的传感器信号序列So(X)之差，则能够仅提取因劣化产生的信号的变化，因此是优选的，但是该差处理不是必须的。

除此以外，只要获取并存储多个时间点的传感器信号即可，能够各种变更该步骤的实施方式。

(劣化得分估算步骤220)

在该步骤中，由CPU 30执行从程序存储部50读出的劣化得分估算模块51，由此如以下那样执行。

首先，CPU 30从传感器信号存储部43读出传感器信号序列S(X)。在本实施方式中，作为磁传感器10而采用了图2那样的全磁通方式(全磁通法)、即、使检查对象的钢丝绳W穿过探测线圈14及15的闭环内的结构，因此即使在钢丝绳W的内部存在线材断线的情况下，因该断线而产生的磁场的变化也表现为在探测线圈14及15中流动的电流的变化。因而，出于在钢丝绳W上看不到视觉上的断裂的状况，传感器信号Si、即传感器信号序列S(X)会出现变化，因此能够进行极高精度的劣化状态判定。

例如，在存在线材断线的部位观测到图5中的(A)那样的波形。另外，在钢丝绳W的同一截面中的线材断线的数量增加的情况下，观测到图5中的(B)那样的波形。即，随着线材断线的数量增加，图5那样的特征性的波形的振幅增加，因此能够估计线材断线的数量。

在本实施方式中，像这样遍及钢丝绳W的所关注的规定区间计算(估计)线材断线的数量，将该线材断线的数量的最大值作为劣化得分Di并与获取到传感器信号Si的年月日一起存储到劣化得分存储部41中。由此，多个时间点的劣化得分Di被积累到劣化得分存储部41中。所关注的规定区间例如是指钢丝绳W中的通过滑轮至少1次的区间，由于被施加负荷，因此称为需要进行劣化预测的区间。另外，通过登记部82登记钢丝绳W的所关注的规定区间。

此外，在本实施方式中，将劣化得分Di设为钢丝绳W的所关注的规定区间中的最大值，但是不限于此。例如，也可以将在各部位计算出的劣化得分(线材断线的数量)的合计值作为劣化得分Di。另外，也可以进一步划分所关注的区间，针对每个该小分区估算劣化得分Di。除此以外，只要将由磁传感器检测到的信号转换为钢丝绳W的劣化程度即可，能够采用各种得分估算方法。

图6的(A)是一边在疲劳试验机中对钢丝绳W的标准品反复赋予负荷、一边使用与磁传感器10相同方式的磁传感器来执行劣化得分估算步骤220时获得的劣化得分Di的推移。横轴表示试验次数，纵轴表示劣化得分Di。

根据该曲线图可知，劣化得分Di不断增加。但是，在钢丝绳W的外观上，在超过了11000次的附近终于能够视觉识别出1根线材断线，虽然在13000次附近能够视觉识别出第2根线材断线，但是之后在15000次附近达到了完全断裂。这样，在外观上无法确认钢丝绳W的劣化程度的状态下突然就达到了完全断裂。然而，在不太看得出外观上的变化的期间，也能够确认到劣化得分Di不断持续上升。这表示在钢丝绳内部线材断线正在发展。

此外，在本实施方式中，劣化预测模型Mo包含基于每当在多个时间点对与钢丝绳W相同种类的钢丝绳(钢丝绳W的标准品)施加负荷时从与磁传感器10相同种类的传感器输出的传感器信号、来估算出的劣化得分Di的集合。

另外，在根据本实施方式的磁性体的劣化预测方法中，包括准备劣化预测模型Mo的步骤，该劣化预测模型Mo包含基于每当在多个时间点对钢丝绳W的标准品施加负荷时从与磁传感器10相同种类的传感器输出的传感器信号、来估算出的劣化得分Di的集合。

另外，根据曲线图可知，在2500次附近之前，信号看不出变化，在内部断裂开始后，处于线材断线的数量呈大致直线地增加的趋势。因而，可知，劣化预测模型Mo例如也可以设为对探测到断线以后进行线性近似的模型。

然而，即使准备了标准的劣化预测模型Mo，根据现场的装置而施加到钢丝绳W的载荷、转矩、弯曲曲率等也各种不同。

因此，在本实施方式中，实施劣化预测模型更新步骤230。

(劣化预测模型更新步骤230)

在该步骤中，由CPU 30执行从程序存储部50读出的劣化预测模型更新模块52，由此如以下那样执行。

首先，CPU 30从劣化得分存储部41读出多个时间点的劣化得分Di，并且从劣化预测模型存储部42读出标准的劣化预测模型Mo。

在本实施方式中，标准的劣化预测模型Mo设为根据图6的(A)求出的双线性近似模型，当预先通过平板终端80(参照图1)的登记部82输入了模型的参数时，通过发送接收部90来作为标准的劣化预测模型Mo存储到劣化预测模型存储部42中。具体地说，标准的劣化预测模型Mo如以下那样表示。

Di＝Ax+B

0<x≤2500；A＝0、B＝0

2500>x；A＝0.01、B＝-25

在此，x表示电梯系统E的运行次数。将电梯系统E从当前的楼层出发到到达目标楼层为止的动作设为1次来对运行次数进行计数。

在此，设为当在使电梯系统E运行的期间逐步执行劣化得分估算步骤220时，进行了图6的(B)那样的推移。在该情况下，在11500次的时间点劣化正在发展，因此以对实际上观测到的Di进行拟合的方式更新标准的劣化预测模型Mo，来获取更新后的劣化预测模型Ma。

Di＝Ax+B

0<x≤2500；A＝0、B＝0

2500>x；A＝0.004、B＝-10

此外，也可以是，以对更新后的多个时间点的劣化得分D1、D2...Dn进行拟合的方式逐步更新前次制作(更新)而得到的更新后的劣化预测模型Ma。除此以外，只要基于之后生成的劣化得分Di来更新当初准备的劣化预测模型Mo即可，能够采用各种方法。

另外，在本实施方式中，作为劣化预测模型Mo，设为双线性近似模型，但是也可以是多维近似曲线模型、样条近似模型。除此以外，只要是与运行次数对应地增加的函数即可，能够选择各种模型。

但是，在地震或火灾等、对钢丝绳W施加了与通常不同的负荷的情况下，也有可能以该时间点为界，劣化得分Di非线性地发生变化。当以对这样的特别的事件前后的劣化得分Di进行拟合的方式求出更新后的劣化预测模型Ma时，与本来相比预测为在极短的期间内达到断裂的可能性高。

因此，也可以设为，获取表示发生了地震、火灾等突发事件的突发信息，以仅对产生了突发信息后的劣化得分Di进行拟合的方式更新标准的劣化预测模型Mo。由此，能够进一步提高预测精度。

此外，关于突发信息，也可以设为，通过在对劣化得分Di进行线性近似时判定为在偏差大到固定以上的劣化得分Di之前发生了突发事件，来生成突发信息。即，关于突发信息，既可以使用由其它单元探测到外在因素的发生而得到的结果，也可以基于劣化得分Di的突发性的变化来判定。

这里所说的突发事件包括地震、火灾、雷击、浸水以及维护等、对成为检查对象的磁性体施加与通常的运行状态不同的影响的事件。

如果通过发送接收部90将像这样得到的更新后的劣化预测模型Ma、以及到当前为止的劣化得分Di的推移发送至平板终端80，并在平板终端80的显示器81中显示曲线图，则维护负责人、大厦所有者能够实时地确认劣化程度，是优选的。特别是，磁传感器10、计算机100也有可能被配置于难以进入的场所，因此，更优选的是，能够使计算机100与平板终端80通过经由因特网线路(LTE线路)、电话线路等进行的无线通信来进行通信。

(劣化得分估计步骤240)

根据像这样得到的更新后的劣化预测模型Ma来预测将来的劣化得分Df。在对断裂水平之前的电梯系统E的运行次数进行预测的情况下，只要求出通过更新后的劣化预测模型Ma计算出的将来的劣化得分Df超过阈值的次数x即可。关于该阈值，例如也可以基于通过如获取图6的(A)的劣化得分Di时那样利用疲劳试验机进行的试验来确认了断裂的电梯系统E的运行次数来决定。由此，能够预测钢丝绳W的寿命。反之，也能够用于计算规定的运行次数后的劣化得分Di。既可以将像这样得到的次数x直接显示于显示器81，也可以显示基于该装置的单位期间内的平均运行次数来将次数x转换为天数而得到的值。另外，也可以与更新后的劣化预测模型Ma和到当前为止的劣化得分Di的推移的曲线图一起显示。

此外，在本实施方式中示出了钢丝绳W相对于磁性体的劣化预测装置移动的系统，但是也可以应用于磁性体的劣化预测装置相对于钢丝绳W移动的系统。例如，是起重机中的悬挂索、索道中的支索、安装于吊桥或PC桥梁等的吊缆或PC线缆是固定的、但由于在使用环境中被持续性地施加负荷而在材料上伴有劣化的磁性体，因此通过手动或机器人来使磁性体的劣化预测装置进行扫描来测定劣化状态是有效的。在该情况下，只要以时间作为参数来取代运行次数即可。

并且，在本实施方式中，作为检查对象即磁性体，例示了钢丝绳W，但是只要是由于在使用环境中被持续性地施加负荷而在材料上伴有劣化的磁性体即可，对象没有特别限定。例如，也可以是不锈钢绳、将线材捻在一起而得到的捻线、薄板、方材、圆筒状的管道、钢丝、链条。另外，也可以是由树脂、镀层等包覆的钢丝绳W。另外，也可以是以钢丝绳W作为结构构件的线缆等。例如，也可以应用于预测因桥墩、混凝土内的钢筋的腐蚀而导致的劣化。在该情况下，只要以时间作为参数来取代运行次数即可。

并且，在本实施方式中，示出了磁传感器10被配置于电梯的轿厢E1与曳引机E2之间的例子，但是本发明中的磁传感器的配置不限定于此。只要是能够测定通过滑轮的区间的位置即可，可以是任何位置，例如也可以是曳引机E2与对重E3之间。

并且，在本实施方式中，示出了通过曳引机E2的旋转力和与钢丝绳W的摩擦力来驱动钢丝绳W的例子，但是钢丝绳W的驱动方法不限于此。例如也可以是卷取等另外的驱动方法。

另外，也可以是，在由磁传感器10检测到局部的扭结、内部锈的情况下，将它们与本实施方式中的劣化得分Di一起显示在平板终端80的显示器81中。据此，能够作为与基于线材断线数量的劣化得分Di相独立的参数，来判断维护的紧急性、处置内容。

另外，在本实施方式中，示出了通过发送接收部90将劣化得分Di的推移等发送至平板终端80的例子，但是不限于此。也可以不发送至平板终端、而是例如发送至维护公司的PC、防灾中心的中央监视盘等。

另外，在本实施方式中，为了便于说明，使用按照处理流程依次进行处理的流程驱动型的流程图，来说明了本发明的磁性体的劣化预测装置的程序的动作，但是本发明不限于此。在本发明中，也可以通过以事件为单位执行处理的事件驱动型(event driven type)的处理来进行磁性体的劣化预测装置的程序的动作。在该情况下，既可以以完整的事件驱动型来进行，也可以将事件驱动和流程驱动组合起来进行。

本说明书包含以下的发明。

(发明1)

一种磁性体的劣化预测装置，具备：磁传感器，其对受到了作为检查对象的磁性体的影响的磁场进行检测来输出传感器信号；劣化得分估算单元，其基于所述传感器信号来估算表示所述磁性体的劣化程度的劣化得分；劣化得分存储部，其存储所述劣化得分；劣化预测模型存储部，其存储示出所述劣化程度的变化的劣化预测模型；劣化预测模型更新单元，其基于多个时间点的所述劣化得分来更新所述劣化预测模型，由此获取更新后的劣化预测模型；以及劣化得分预测单元，其根据所述更新后的劣化预测模型来估计将来的劣化得分。

(发明2)

根据发明1所记载的磁性体的劣化预测装置，其中，所述劣化预测模型更新单元在探测到突发事件的情况下，基于其后的多个时间点的所述劣化得分来更新所述劣化预测模型，由此获取所述更新后的劣化预测模型。

(发明3)

根据发明1或2所记载的磁性体的劣化预测装置，其中，所述磁性体是钢丝绳。

(发明4)

根据发明1～3中的任一者所记载的磁性体的劣化预测装置，其中，还具备登记部，该登记部用于登记所述磁性体中的所关注的规定区间和所述劣化预测模型中的至少一方。

(发明5)

根据发明2所记载的磁性体的劣化预测装置，其中，所述突发事件包括地震、火灾、雷击、浸水以及维护中的至少一者。

(发明6)

根据发明3～5中的任一者所记载的磁性体的劣化预测装置，其特征在于，所述磁传感器通过全磁通法来检测所述磁场。

(发明7)

根据发明3～5中的任一者所记载的磁性体的劣化预测装置，其中，所述劣化预测模型包含基于每当在多个时间点对与所述钢丝绳相同种类的钢丝绳施加负荷时从与所述磁传感器相同种类的传感器输出的传感器信号、来估算出的劣化得分的集合。

(发明8)

一种磁性体的劣化预测方法，包括以下步骤：通过磁传感器对受到了作为检查对象的磁性体的影响的磁场进行检测来获取传感器信号；基于所述传感器信号来估算表示所述磁性体的劣化程度的劣化得分；基于多个时间点的所述劣化得分来更新示出所述劣化程度的变化的劣化预测模型，由此获取更新后的劣化预测模型；以及根据所述更新后的劣化预测模型来估计将来的劣化得分。

(发明9)

根据发明8所记载的磁性体的劣化预测方法，其中，在所述劣化预测模型更新步骤中，在探测到突发事件的情况下，基于其后的多个时间点的所述劣化得分来更新所述劣化预测模型，由此获取所述更新后的劣化预测模型。

(发明10)

根据发明8或9所记载的磁性体的劣化预测方法，其中，还包括以下步骤：准备劣化预测模型，所述劣化预测模型包含基于每当在多个时间点对与所述检查对象的磁性体相同种类的磁性体施加负荷时从与所述磁传感器相同种类的传感器输出的传感器信号、来估算出的劣化得分的集合。

附图标记说明

10：磁传感器；11：热磁补偿磁体；12：激励线圈；13：激励控制部；14：探测线圈；15：探测线圈；16：差动电路；17：电流电压转换电路；30：CPU；31：A/D转换器；32：I/D转换器；40：非易失性存储器；41：劣化得分存储部；42：劣化预测模型存储部；43：传感器信号存储部；50：程序存储部；51：劣化得分估算模块；52：劣化预测模型更新模块；53：劣化得分预测模块；80：平板终端；81：显示器；82：登记部；90：发送接收部；100：计算机；210：传感器信号获取步骤；220：劣化得分估算步骤；230：劣化预测模型更新步骤；240：劣化得分估计步骤；E：电梯系统；E1：电梯的轿厢；E2：曳引机；E3：对重；Mo：标准的劣化预测模型；Ma：更新后的劣化预测模型；W：钢丝绳。